NumPy二元运算的broadcasting机制

NumPy中有一个非常方便的特性：broadcasting。当我们对两个不同长度的numpy数组作二元计算（如相加，相乘）的时候，broadcasting就在背后默默地工作。本文我们就来介绍下numpy的broadcasting。

什么是broadcasting

我们通过一个简单的例子来认识一下broadcasting，考虑下面的代码

a+b其实是把数组a和数组b中同样位置的每对元素相加。这里a和b是相同长度的数组。

那如果是不同长度的数组呢？考虑下面的情况

这里就用到了broadcasting。broadcasting会把5扩展成[5, 5, 5]，然后上面的代码就变成了对两个同样长度的数组相加。用图画出来，是这样的一个过程（半透明的方块表示被扩展出来的数值）

需要注意的是，broadcasting不会分配额外的内存来存取被复制的数据，这里为了描述方便作了简化。

接下来我们扩展一下上面的例子，看一下多维数组的情况

这里一维数组a被扩展成了二维数组，和e的shape相同。用图的形式表示，是这样的

我们再来考虑一个更复杂的情况，需要对两个数组都做broadcasting的例子

这里a和b都被扩展成相同shape的二维数组。用图的形式表示这个过程，如下

broadcasting的规则

对两个numpy数组之间的作二元计算，broadcasting须遵循一下规则：

1、如果两个数组维数不相等，维数较低的数组的shape会从左开始填充1，直到和高维数组的维数匹配 2、如果两个数组维数相同，但某些维度的长度不同，那么长度为1的维度会被扩展，和另一数组的同维度的长度匹配 3、如果两个数组维数相同，但有任一维度的长度不同且不为1，则报错

我们来举例说明一下上面的规则

例1

这两个数组的shape分别是

对这两个数组作二元计算，根据规则1，数组会被填充成

根据规则2，第一个维度不等，所以我们对维度作扩展

现在两个数组的shape一致了，可以相加得到下面的结果

例2

两个数组的shape分别是

根据规则1，b的shape要被填充

根据规则2，维数相等，但维度内的长度不等，所以需要进一步扩展

现在两者shape一致了，作相加计算可以得到如下结果

例3

我们再来看一个broadcasting报错的例子

两个数组的shape分别是

根据规则1，a的shape会被填充

根据规则2，数组a的第一个维度会被扩展

这里我们满足规则3的条件了，维数相等，但第二个维度的长度不等，且不为1，因此这两个数组相加会报错，如下

总结

broadcasting在numpy数组的计算中无处不在，任何二元运算的ufunc都实现了broadcasting机制。broadcasting也很方便，很多时候我们甚至感知不到它的存在，但深入地理解它背后的工作机制，可以帮助我们避开一些陷阱。

赞赏作者

本文作者

强哥，Python中文社区专栏作者，曾供职于摩根士丹利和eBay。知乎专栏：Python与数据分析。